基于深度学习的空间非合作目标姿态估计算法设计
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-16页 |
| 1.2.1 非合作目标姿态测量研究现状 | 第10-13页 |
| 1.2.2 深度学习与卷积神经网络的发展趋势 | 第13-16页 |
| 1.3 主要研究内容 | 第16-18页 |
| 第2章 理论基础 | 第18-32页 |
| 2.1 坐标系的定义 | 第18-19页 |
| 2.2 最大稳定极值区域 | 第19-20页 |
| 2.3 卷积神经网络 | 第20-26页 |
| 2.4 GoogleInceptionNet | 第26-32页 |
| 第3章 深度卷积神经网络的设计与训练 | 第32-46页 |
| 3.1 卷积神经网络结构设计 | 第32-40页 |
| 3.2 网络参数的确定 | 第40-45页 |
| 3.2.1 Loss函数设计 | 第40-41页 |
| 3.2.2 优化器选择 | 第41-44页 |
| 3.2.3 学习率设计 | 第44-45页 |
| 3.3 卷积神经网络的训练 | 第45-46页 |
| 第4章 目标姿态估计算法设计 | 第46-57页 |
| 4.1 数据集的获取 | 第46-47页 |
| 4.2 数据增强 | 第47-49页 |
| 4.3 图像数据的预处理 | 第49-50页 |
| 4.4 运用深度卷积神经网络进行姿态估计 | 第50-53页 |
| 4.5 角速度估计算法设计 | 第53-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-65页 |
| 致谢 | 第65页 |
